语言建模中最小化样本风险算法的研究和改进

• 作者: 步丰林 袁伟 高剑峰
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 语言建模 判别训练算法 输入法编辑器 最小化样本风险 领域适应性建模
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 196-204
• 页数: 9页
• 分类号: TP391
• 字数: 9103字
• 语种: 中文

摘要

目前,一些主流的判别学习算法只能优化光滑可导的损失函数,但在自然语言处理(natural language processing,简称NLP)中,很多应用的直接评价标准(如字符转换错误数(character error rate,简称CER))都是不可导的阶梯形函数.为解决此问题,研究了一种新提出的判别学习算法--最小化样本风险(minimum sample risk,简称MSR)算法.与其他判别训练算法不同,MSR算法直接使用阶梯形函数作为其损失函数.首先,对MSR算法的时空复杂性作了分析和提高;同时,提出了改进的算法MSR-II,使得特征之间相关性的计算更加稳定.此外,还通过大量领域适应性建模实验来考察MSR-II的鲁棒性.日文汉字输入实验的评测结果表明:(1) MSR/MSR-II显著优于传统三元模型,使错误率下降了20.9%;(2) MSR/MSR-II与另两类主流判别学习算法Boosting和Perceptron表现相当;(3) MSR-II不仅在时空复杂度上优于MSR,特征选择的稳定性也更高;(4) 领域适应性建模的结果证明了MSR-II的良好鲁棒性.总之,MSR/MSR-II是一种非常有效的算法.由于其使用的是阶梯形的损失函数,因此可以广泛应用于自然语言处理的各个领域,如拼写校正和机器翻译.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	步丰林	上海交通大学计算机科学与工程系	25	277	8.0	16.0
2	袁伟	上海交通大学计算机科学与工程系	4	11	2.0	3.0